一、系列文章目录
(1)Numpy
(2)数据存取/随机数函数
(3)PIL库/图像处理
(4)Matplotlib库
(5)Pandas库
文章目录
二、前言
Numpy提供了广播功能函数,用于数组计算。提供了整合了C/C++等代码的工具。提供了线性代数,随机数生成,傅里叶变换等功能。
Numpy的使用 : import numpy as np
三、Numpy
1.维度
维度:一组数据的组织形式,数据在多个维度展开,能表达多种含义。
- 一维数据: 对等关系。可以用列表、集合、数组表示。
列表&数组
列表:元素数据类型不同,可以是浮点型,字符串,列表等等
数组:元素数据类型相同
- 二维数据: 由多个一维数据组成。例如表格,表头可以是二维数据的一部分。 例如某年高校排名。用列表表示。
- 多维数据: 由一维、二维数据组成。例如历年高校排名,增加了时间维度。用列表表示。
- 高维数据:利用二元关系展示数据结构。用字典表示。由键值对将数据组织起来。或由数据表示格式:JSON,XML,YAML等。
2.ndarray数组
(1)ndarry
ndarray:一个N维数组对象。可以使一维向量更像单个数据,免去元素间的循环。
(2)ndarry的构成
实际数据+描述(数据维度,数据类型)。数组要求所有元素类型相同,下标从0开始。轴axis表示数据维度,秩rank表示轴的数量。
(3)nadrry的数据类型
nadrry的数据类型有很多,有助于合理使用储存空间。而python只有整数,浮点数,复数。
(4)ndarray数组创建和变换
np.array( ) 生成数组,别名为array。
• 从Python中的列表、元组等类型创建ndarray数组。列表、元组元素个数相同时可以混合使用。
x = np.array ( [ list ] / ( tuple ) / [ [ list ] , ( tuple ) ] , dtype ) 不设定数据类型的话会根据读入数据自动确定。
• 使用NumPy中函数创建ndarray数组。
默认数据类型浮点数,shape用()。
endpoint = False时表示最后一个元素10是否是最后一个数值。默认Ture。
• 从字节流(raw bytes)中创建ndarray数组
• 从文件中读取特定格式,创建ndarray数组
(5)ndarray数组变换
new_a = a.astype(new_type)
astype()方法一定会创建新的数组(原始数据的一个拷贝),即使两个类型一致
数组向列表的转换
ls = a.tolist()
(6)ndarray数组的索引和切片
索引:获取数组中特定位置元素的过程
切片:获取数组元素子集的过程
- 一维数组的索引和切片
-
多维数组的索引
a[0,1,2]每个数字代表一个维度。正向0开始,反向-1开始。、 -
多维数组的切片
选取一整个维度用 :
每个维度切片方法与一维数组相同
每个维度可以使用步长跳跃切片 例如 a [::2]
(7)ndarray数组计算
- 数组与标量之间的运算
数组与标量之间的运算作用于数组的每一个元素